MySQL 全表扫描成本计算

2023-03-17 00:00:00 索引 数据 成本 结点 计算
查询优化器是 MySQL 的核心子系统之一，成本计算又是查询优化器的核心逻辑。

全表扫描成本作为参照物，用于和表的其它访问方式的成本做对比。任何一种访问方式，只要成本超过了全表扫描成本，就不会被使用。

基于全表扫描成本的重要地位，要讲清楚 MySQL 的成本计算逻辑，从全表扫描成本计算开始是个不错的选择。

本文内容基于 MySQL 8.0.29 源码。

目录

  • 1. 概述

  • 2. 计算公式

  • 3. 统计信息

  • 4. 数据页在内存中的比例

  • 5. 成本常数

  • 6. 总结

正文

1. 概述

我们先来看一下代码里成本计算的定义：

class Cost_estimate {
 private:
  // cost of I/O operations
  double io_cost;
  // cost of CPU operations
  double cpu_cost;
  // cost of remote operations
  double import_cost;
  // memory used (bytes)
  double mem_cost;
  ......
}

从上面代码可以看到，MySQL 成本计算模型定义了四种成本：

  • IO 成本：从磁盘或内存读取数据页的成本。
  • CPU 成本：访问记录需要消耗的 CPU 成本。
  • 导入成本：这一项直到 MySQL 8.0.29 都还没有被使用，先忽略。
  • 内存成本：这一项指的是占用内存字节数，计算 MRR（Multi Range Read）方式读取数据的成本时才会用到，也先忽略。

全表扫描的成本就只剩 IO 成本、CPU 成本这两项了。

2. 计算公式

我们先从整体计算公式开始，然后逐步拆解。

全表扫描成本 = io_cost + 1.1 + cpu_cost + 1。

io_cost 后面的 1.1 是硬编码直接加到 IO 成本上的；cpu_cost 后面的 1 也是硬编码的，直接加到 CPU 成本上。代码里长这样：

int test_quick_select(...) {
  ......
  double scan_time =
    cost_model->row_evaluate_cost(static_cast<double>(records)) 
    + 1 /* cpu_cost 后面的 + 1 */; 
  Cost_estimate cost_est = table->file->table_scan_cost();
  
  // io_cost 后面的 + 1.1
  cost_est.add_io(1.1);
  ......
}

关于这两个硬编码的值，代码里没有注释为什么要加，不过它们是个固定值，不影响我们理解成本计算逻辑，先忽略它们。

io_cost = cluster_page_count * avg_single_page_cost。

cluster_page_count 是主键索引数据页数量，从表的统计信息中得到，在统计信息小节会介绍。

avg_single_page_cost 是读取一个数据页的平均成本，通过计算得到，公式如下：

avg_single_page_cost = pages_in_memory_percent * 0.25 + pages_on_disk_percent * 1.0。

pages_in_memory_percent 是主键索引已经加载到 Buffer Pool 中的叶结点占所有叶结点的比例，用小数表示（取值范围 0.0 ~ 1.0），例如：80% 表示为 0.8。数据页在内存中的比例小节会介绍具体计算逻辑。

pages_on_disk_percent 是主键索引在磁盘文件中的叶结点占所有叶结点的比例，通过 1 - pages_in_memory_percent 计算得到。

0.25 是成本常数 memory_block_read_cost 的默认值，表示从 Buffer Pool 中的一个数据页读取数据的成本。

1.0 是成本常数 io_block_read_cost 的默认值，表示把磁盘文件中的一个数据页加载到 Buffer Pool 的成本，加上从 Buffer Pool 中的该数据页读取数据的成本。

cpu_cost = n_rows * 0.1。

n_rows 是表中记录的数量，从表的统计信息中得到，在统计信息小节会介绍。

0.1 是成本常数 row_evaluate_cost 的默认值，表示访问一条记录的 CPU 成本。

有了上面这些公式，我们通过一个具体例子走一遍全表扫描成本计算的过程。

假设一个表有 600 条记录，主键索引数据页的数量为 3，主键索引数据页已经全部加载到 Buffer Pool（pages_in_memory_percent = 1.0），下面我们开始计算过程：

pages_on_disk_percent = 1 - pages_in_memory_percent(1.0) = 0.0。

avg_single_page_cost = pages_in_memory_percent(1.0) * 0.25 + pages_on_disk_percent(0.0) * 1.0 = 0.25。

io_cost = cluster_page_count(3) * avg_single_page_cost(0.25) = 0.75。

cpu_cost = n_rows(600) * 0.1 = 60。

全表扫描成本 = io_cost(0.75) + 1.1 + cpu_cost(60) + 1 = 62.85。

3. 统计信息

全表扫描成本计算过程中，用到了主键索引数据页数量、表中记录数量，这两个数据都来源 InnoDB 的表统计信息。

SELECT
  table_name, n_rows, clustered_index_size
FROM mysql.innodb_table_stats
WHERE database_name = 'sakila'
AND table_name = 'city'

+------------+--------+----------------------+
| table_name | n_rows | clustered_index_size |
+------------+--------+----------------------+
| city       | 600    | 3                    |
+------------+--------+----------------------+

-- 也可以通过这个 SQL 查询
SELECT
  NAME, NUM_ROWS, CLUST_INDEX_SIZE 
FROM information_schema.INNODB_TABLESTATS
WHERE NAME = 'sakila/city'

+-------------+----------+------------------+
| NAME        | NUM_ROWS | CLUST_INDEX_SIZE |
+-------------+----------+------------------+
| sakila/city | 600      | 3                |
+-------------+----------+------------------+

clustered_index_size 就是主键索引数据页数量，n_rows 是表中记录数量。

4. 数据页在内存中的比例

avg_single_page_cost = pages_in_memory_percent * 0.25 + pages_on_disk_percent * 1.0。

上面的公式用于计算读取一个数据页的平均成本，pages_in_memory_percent 是主键索引已经加载到 Buffer Pool 中的叶结点占所有叶结点的比例。

计算代码如下：

inline double index_pct_cached(const dict_index_t *index) {
  // 索引叶结点数量
  const ulint n_leaf = index->stat_n_leaf_pages;
  ......
  // 已经加载到 Buffer Pool 中的叶结点数量
  const uint64_t n_in_mem =
      buf_stat_per_index->get(index_id_t(index->space, index->id));
  // 已加载到 Buffer Pool 中的叶结点 [除以] 索引叶结点数量
  const double ratio = static_cast<double>(n_in_mem) / n_leaf;
  // 取值只能在 . ~ 1.0 之间
  return (std::max(std::min(ratio, 1.0), .));
}

InnoDB 在内存中维护了一个哈希表（buf_stat_per_index->m_store），key 是表名，value 是表的主键索引已经加载到 Buffer Pool 中的叶子结点数量。

每次从磁盘加载某个表的主键索引的一个叶子结点数据页到 Buffer Pool 中，该表在 buf_stat_per_index->m_store 中对应的 value 值就加一。

从 Buffer Pool 的 LRU 链表淘汰某个表的主键索引叶子结点时，该表在 buf_stat_per_index->m_store 中对应的 value 值就减一。

还有其它场景，buf_stat_per_index->m_store 中的 value 值也会发生变化，不展开了。

5. 成本常数

memory_block_read_cost 和 io_block_read_cost 这两个成本常数从系统表 mysql.engine_cost 中读取：

SELECT
  cost_name, cost_value, default_value
FROM mysql.engine_cost;

+------------------------+------------+---------------+
| cost_name              | cost_value | default_value |
+------------------------+------------+---------------+
| io_block_read_cost     | <null>     | 1.0           |
| memory_block_read_cost | <null>     | 0.25          |
+------------------------+------------+---------------+

我们可以修改 cost_value 字段值，来调整 memory_block_read_cost 和 io_block_read_cost。

row_evaluate_cost成本常数从系统表 mysql.server_cost 中读取：

SELECT
  cost_name, cost_value, default_value
FROM mysql.server_cost
WHERE cost_name = 'row_evaluate_cost';

+-------------------+------------+---------------+
| cost_name         | cost_value | default_value |
+-------------------+------------+---------------+
| row_evaluate_cost | <null>     | 0.1           |
+-------------------+------------+---------------+

我们可以修改 cost_value 字段值，来调整 row_evaluate_cost。

6. 总结

计算全表扫描成本，重要的无疑是这个公式：全表扫描成本 = io_cost + 1.1 + cpu_cost + 1。

io_cost 表示全表扫描 IO 成本，MySQL 会先计算读取一个数据页的平均成本，然后乘以主键索引的数据页数量，得到 IO 成本。

计算读取一个数据页的平均成本，关键是要知道主键索引已经加载到 Buffer Pool 中的叶子结点数量。InnoDB 通过在内存中维护一个哈希表（buf_stat_per_index->m_store）来记录这个数量。


以上文章来源于一树一溪 ，作者操盛春

相关文章